如何使用 Go 每分钟处理百万请求?

Go编程时光

共 5132字,需浏览 11分钟

 ·

2021-04-29 17:13

偶然间看到一篇写于15年的文章,说实话,标题确实吸引了我。 

关于这篇文章,我就不直接翻译了,原文地址我放在文章最后了。 

项目的需求就是很简单,客户端发送请求,服务端接收请求处理数据(原文是把资源上传至 Amazon S3 资源中)。本质上就是这样,

我稍微改动了原文的业务代码,但是并不影响核心模块。在第一版中,每收到一个 Request,开启一个 G 进行处理,很常规的操作。

初版

package main
import ( "fmt" "log" "net/http" "time")
type Payload struct { // 传啥不重要}
func (p *Payload) UpdateToS3() error { //存储逻辑,模拟操作耗时 time.Sleep(500 * time.Millisecond) fmt.Println("上传成功") return nil}
func payloadHandler(w http.ResponseWriter, r *http.Request) { // 业务过滤 // 请求body解析...... var p Payload go p.UpdateToS3() w.Write([]byte("操作成功"))}
func main() { http.HandleFunc("/payload", payloadHandler) log.Fatal(http.ListenAndServe(":8099", nil))}


这样操作存在什么问题呢?一般情况下,没什么问题。但是如果是高并发的场景下,不对 G 进行控制,你的 CPU 使用率暴涨,内存占用暴涨......,直至程序奔溃。


如果此操作落地至数据库,例如mysql。相应的,你数据库服务器的磁盘IO、网络带宽 、CPU负载、内存消耗都会达到非常高的情况,一并奔溃。所以,一旦程序中出现不可控的事物,往往是危险的信号。

中版

package main
import ( "fmt" "log" "net/http" "time")
const MaxQueue = 400
var Queue chan Payload
func init() { Queue = make(chan Payload, MaxQueue)}
type Payload struct { // 传啥不重要}
func (p *Payload) UpdateToS3() error { //存储逻辑,模拟操作耗时 time.Sleep(500 * time.Millisecond) fmt.Println("上传成功") return nil}
func payloadHandler(w http.ResponseWriter, r *http.Request) { // 业务过滤 // 请求body解析...... var p Payload //go p.UpdateToS3() Queue <- p w.Write([]byte("操作成功"))}
// 处理任务func StartProcessor() { for { select { case payload := <-Queue: payload.UpdateToS3() } }}
func main() { http.HandleFunc("/payload", payloadHandler) //单独开一个g接收与处理任务 go StartProcessor() log.Fatal(http.ListenAndServe(":8099", nil))}

这一版借助带 buffered 的 channel 来完成这个功能,这样控制住了无限制的G,但是依然没有解决问题。

原因是处理请求是一个同步的操作,每次只会处理一个任务,然而高并发下请求进来的速度会远远超过处理的速度。这种情况,一旦 channel 满了之后, 后续的请求将会被阻塞等待。然后你会发现,响应的时间会大幅度的开始增加, 甚至不再有任何的响应。

终版

package main
import ("fmt""log""net/http""time")
const ( MaxWorker = 100 //随便设置值 MaxQueue = 200 // 随便设置值)
// 一个可以发送工作请求的缓冲 channelvar JobQueue chan Job
func init() { JobQueue = make(chan Job, MaxQueue)}
type Payload struct{}
type Job struct { PayLoad Payload}
type Worker struct { WorkerPool chan chan Job JobChannel chan Job quit chan bool}
func NewWorker(workerPool chan chan Job) Worker { return Worker{ WorkerPool: workerPool, JobChannel: make(chan Job), quit: make(chan bool), }}
// Start 方法开启一个 worker 循环,监听退出 channel,可按需停止这个循环func (w Worker) Start() { go func() { for { // 将当前的 worker 注册到 worker 队列中 w.WorkerPool <- w.JobChannel select { case job := <-w.JobChannel: // 真正业务的地方 // 模拟操作耗时 time.Sleep(500 * time.Millisecond) fmt.Printf("上传成功:%v\n", job) case <-w.quit: return } } }()}
func (w Worker) stop() { go func() { w.quit <- true }()}
// 初始化操作
type Dispatcher struct { // 注册到 dispatcher 的 worker channel 池 WorkerPool chan chan Job}
func NewDispatcher(maxWorkers int) *Dispatcher { pool := make(chan chan Job, maxWorkers) return &Dispatcher{WorkerPool: pool}}
func (d *Dispatcher) Run() { // 开始运行 n 个 worker for i := 0; i < MaxWorker; i++ { worker := NewWorker(d.WorkerPool) worker.Start() } go d.dispatch()}
func (d *Dispatcher) dispatch() { for { select { case job := <-JobQueue: go func(job Job) { // 尝试获取一个可用的 worker job channel,阻塞直到有可用的 worker jobChannel := <-d.WorkerPool // 分发任务到 worker job channel 中 jobChannel <- job }(job) } }}
// 接收请求,把任务筛入JobQueue。func payloadHandler(w http.ResponseWriter, r *http.Request) { work := Job{PayLoad: Payload{}} JobQueue <- work _, _ = w.Write([]byte("操作成功"))}
func main() { // 通过调度器创建worker,监听来自 JobQueue的任务 d := NewDispatcher(MaxWorker) d.Run() http.HandleFunc("/payload", payloadHandler) log.Fatal(http.ListenAndServe(":8099", nil))}

最终采用的是两级 channel,一级是将用户请求数据放入到 chan Job 中,这个 channel job 相当于待处理的任务队列。

另一级用来存放可以处理任务的 work 缓存队列,类型为 chan chan Job。调度器把待处理的任务放入一个空闲的缓存队列当中,work 会一直处理它的缓存队列。通过这种方式,实现了一个 worker 池。大致画了一个图帮助理解,

首先我们在接收到一个请求后,创建 Job 任务,把它放入到任务队列中等待 work 池处理

func payloadHandler(w http.ResponseWriter, r *http.Request) {  job := Job{PayLoad: Payload{}}  JobQueue <- work  _, _ = w.Write([]byte("操作成功"))}

调度器初始化work池后,在 dispatch 中,一旦我们接收到 JobQueue 的任务,就去尝试获取一个可用的 worker,分发任务给 worker 的 job channel 中。 注意这个过程不是同步的,而是每接收到一个 job,就开启一个 G 去处理。这样可以保证 JobQueue 不需要进行阻塞,对应的往 JobQueue 理论上也不需要阻塞地写入任务。

func (d *Dispatcher) Run() {  // 开始运行 n 个 worker  for i := 0; i < MaxWorker; i++ {    worker := NewWorker(d.WorkerPool)    worker.Start()  }  go d.dispatch()}
func (d *Dispatcher) dispatch() { for { select { case job := <-JobQueue: go func(job Job) { // 尝试获取一个可用的 worker job channel,阻塞直到有可用的 worker jobChannel := <-d.WorkerPool // 分发任务到 worker job channel 中 jobChannel <- job }(job) } }}

这里"不可控"的 G 和上面还是又所不同的。仅仅极短时间内处于阻塞读 Chan 状态, 当有空闲的 worker 被唤醒,然后分发任务,整个生命周期远远短于上面的操作


附录

[1]http://marcio.io/2015/07/handling-1-million-requests-per-minute-with-golang/

   

-- END --


喜欢明哥文章的同学
欢迎长按下图订阅!

⬇⬇⬇

浏览 47
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报